点集稳健匹配的统计方法
发布时间：2023-04-08 17:45
点集匹配确定点集之间的匹配对应关系,它是点集配准和图像配准的基础。点集匹配中特征提取、特征描述及特征匹配是其关键步骤。实际应用中,由于图像质量的变化与特征提取方法不精准等问题,造成点集中存在形变和异常值,以致使得匹配性能受到影响,研究点集匹配的稳健方法势在必行。在计算机视觉与模式识别领域中,研究基于概率统计和图论的各类稳健、快速的点集匹配方法,受到学者的关注。其中,基于混合分布模型(简称为混合模型)的点集匹配方法是研究热点之一,其本质是巧妙地将点集匹配中的特征匹配转换为混合模型对应的概率密度估计问题,但是当点集中存在较大形变或大量异常值时,这类方法容易产生误匹配,本文正是以此为切入点,研究点集稳健匹配的统计方法。主要研究成果和创新点是:(1)针对特征提取易受到图像中噪声以及形变影响的问题,以显著图像圆盘(Salient Image Disk,SID)特征提取方法为基础,给出了图像配准的显著特征提取和局部结构描述两种方法:其一,利用非下采样轮廓波变换生成多幅图像,进行特征重复性检测,提取稳定的仿射不变性特征;其二,给出基于局部自相似特征描述子的局部结构描述方法,将上述两种方法应用于合成孔...
【文章页数】：116 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
本文中的记号和名词
第一章 绪论
1.1 点集匹配的研究背景
1.2 点集匹配与图像配准
1.2.1 点集匹配
1.2.2 点集匹配的基本步骤
1.2.3 点集匹配与图像配准
1.2.4 SAR图像统计性质
1.3 点集匹配的研究现状
1.4 基于有限混合模型的点集匹配方法与点集稳健匹配
1.4.1 有限混合模型
1.4.2 基于有限混合模型的点集匹配方法
1.4.3 点集稳健匹配
1.5 本文的基础知识
1.5.1 概率图相关的定义与基本概念
1.5.2 贝叶斯统计相关基础知识
1.5.3 显著图像圆盘特征
1.5.4 一致性点漂移方法
1.5.5 变分贝叶斯的点集匹配方法
1.6 本文问题的提出和研究内容的安排
1.6.1 本文问题的提出
1.6.2 本文的研究内容和安排
第二章 图像配准的显著特征提取和局部结构描述
2.1 图像配准的显著特征提取方法
2.1.1 显著特征提取方法
2.1.2 基于显著特征提取的图像配准
2.2 图像配准的局部结构描述方法
2.2.1 局部结构描述方法
2.2.2 基于局部结构描述的图像配准
2.3 实验结果和分析
2.3.1 基于显著特征提取的图像配准实验
2.3.2 基于局部结构描述的图像配准实验
2.4 本章小结
第三章 点集稳健匹配的自适应混合模型
3.1 高斯场准则
3.2 自适应混合模型
3.2.1 模型的建立
3.2.2 权系数的迭代公式
3.3 基于自适应混合模型的点集稳健匹配计算方法
3.3.1 仿射变换点集匹配算法
3.3.2 非刚性变换点集匹配算法
3.4 实验结果和分析
3.5 本章小结
第四章 点集稳健匹配的混合t分布模型
4.1 混合t分布模型
4.2 贝叶斯建模与概率图模型
4.2.1 贝叶斯建模
4.2.2 点集匹配的概率图模型
4.3 混合t分布模型的变量估计
4.3.1 变量估计的递推方法
4.3.2 变量后验分布的估计方法
4.4 基于混合t分布模型的点集稳健匹配计算方法
4.4.1 基于混合t分布模型的点集匹配算法
4.4.2 基于混合t分布模型的点集匹配算法的计算复杂度分析
4.5 实验结果与分析
4.5.1 算法的有效性检验
4.5.2 仿射变换点集匹配实验
4.5.3 非刚性变换点集匹配实验
4.6 本章小结
第五章 点集稳健匹配的几何结构保持模型
5.1 流形正则化
5.2 几何结构保持模型
5.2.1 模型的建立
5.2.2 点集匹配的概率图模型
5.3 几何结构保持模型的变量估计
5.3.1 变量估计的递推方法
5.3.2 变量后验分布的估计方法
5.4 基于几何结构保持模型的点集稳健匹配计算方法
5.4.1 点集邻域结构的确定
5.4.2 基于几何结构保持模型的点集匹配算法
5.4.3 基于几何结构保持模型的点集匹配算法的计算复杂度分析
5.5 实验结果与分析
5.6 本章小结
第六章 结论与展望
参考文献
致谢
攻读博士学位期间发表的学术论文和参加科研情况
本文编号：3786203
【文章页数】：116 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
本文中的记号和名词
第一章 绪论
1.1 点集匹配的研究背景
1.2 点集匹配与图像配准
1.2.1 点集匹配
1.2.2 点集匹配的基本步骤
1.2.3 点集匹配与图像配准
1.2.4 SAR图像统计性质
1.3 点集匹配的研究现状
1.4 基于有限混合模型的点集匹配方法与点集稳健匹配
1.4.1 有限混合模型
1.4.2 基于有限混合模型的点集匹配方法
1.4.3 点集稳健匹配
1.5 本文的基础知识
1.5.1 概率图相关的定义与基本概念
1.5.2 贝叶斯统计相关基础知识
1.5.3 显著图像圆盘特征
1.5.4 一致性点漂移方法
1.5.5 变分贝叶斯的点集匹配方法
1.6 本文问题的提出和研究内容的安排
1.6.1 本文问题的提出
1.6.2 本文的研究内容和安排
第二章 图像配准的显著特征提取和局部结构描述
2.1 图像配准的显著特征提取方法
2.1.1 显著特征提取方法
2.1.2 基于显著特征提取的图像配准
2.2 图像配准的局部结构描述方法
2.2.1 局部结构描述方法
2.2.2 基于局部结构描述的图像配准
2.3 实验结果和分析
2.3.1 基于显著特征提取的图像配准实验
2.3.2 基于局部结构描述的图像配准实验
2.4 本章小结
第三章 点集稳健匹配的自适应混合模型
3.1 高斯场准则
3.2 自适应混合模型
3.2.1 模型的建立
3.2.2 权系数的迭代公式
3.3 基于自适应混合模型的点集稳健匹配计算方法
3.3.1 仿射变换点集匹配算法
3.3.2 非刚性变换点集匹配算法
3.4 实验结果和分析
3.5 本章小结
第四章 点集稳健匹配的混合t分布模型
4.1 混合t分布模型
4.2 贝叶斯建模与概率图模型
4.2.1 贝叶斯建模
4.2.2 点集匹配的概率图模型
4.3 混合t分布模型的变量估计
4.3.1 变量估计的递推方法
4.3.2 变量后验分布的估计方法
4.4 基于混合t分布模型的点集稳健匹配计算方法
4.4.1 基于混合t分布模型的点集匹配算法
4.4.2 基于混合t分布模型的点集匹配算法的计算复杂度分析
4.5 实验结果与分析
4.5.1 算法的有效性检验
4.5.2 仿射变换点集匹配实验
4.5.3 非刚性变换点集匹配实验
4.6 本章小结
第五章 点集稳健匹配的几何结构保持模型
5.1 流形正则化
5.2 几何结构保持模型
5.2.1 模型的建立
5.2.2 点集匹配的概率图模型
5.3 几何结构保持模型的变量估计
5.3.1 变量估计的递推方法
5.3.2 变量后验分布的估计方法
5.4 基于几何结构保持模型的点集稳健匹配计算方法
5.4.1 点集邻域结构的确定
5.4.2 基于几何结构保持模型的点集匹配算法
5.4.3 基于几何结构保持模型的点集匹配算法的计算复杂度分析
5.5 实验结果与分析
5.6 本章小结
第六章 结论与展望
参考文献
致谢
攻读博士学位期间发表的学术论文和参加科研情况
本文编号：3786203
本文链接：https://www.wllwen.com/kejilunwen/yysx/3786203.html
